指纹图像核心点检测算法在嵌入式系统中的应用

埃及信息学杂志（2013）14，15开罗大学埃及信息学杂志www.elsevier.com/locate/eijwww.sciencedirect.com原创文章指纹图像G.A. Bahgata，*，A.H.Khalilb，N.S.Abdel Kaderb，S.马沙里Aa埃及吉萨电子研究所计算机和系统系b埃及吉萨开罗大学工程学院电子和电气通信系接收日期：2012年7月19日;修订日期：2013年1月17日;接受日期：2013年1月29日2013年2月27日在线发布核心点用于指纹认证系统中指纹之间的对齐，比传统技术更快。为了加快实时应用的处理速度，使用可在便携式系统中使用的嵌入式模块来实现图像处理算法是更方便的。为了做到这一点，算法的特点应该是一个简单的设计，更容易和更可行的嵌入式模块上的实现。提出的工作，在本文中，提出了一个掩模，简单地从脊方向图定位核心点。该算法在灰度方向图中不连续线的末端检测核心点。提出了一个性质，并支持与数学证明，以验证奇异区域位于这条不连续线的末端。在公共FVC 2002和FVC 2004数据库上的实验结果表明，与基于快速边缘图的方法相比，该方法在每个指纹的正确核心点检测中平均提高了17.35%，错误检测减少了51.23%. 此外，执行时间平均减少了1.8倍。©2013计算机和信息学院，开罗大学。由爱思唯尔公司制作和主持All rights reserved.1. 介绍指纹认证系统现在被广泛使用。它们嵌入在许多商业系统中，例如一些笔记本电脑和移动电话。嵌入式系统*通讯作者。联系电话：+20 2 01006182248。电子邮件地址：gabahgat@ieee.org（G.A.Bahgat）。开罗大学计算机和信息系负责同行审查。通常使用低成本的硬件数字模块，如FPGA[1，2]或DSP[3]。指纹认证系统也在全球许多国家的机场使用。此外，它们的使用在法医领域非常重要，需要识别犯罪现场这些应用中的大多数是实时系统，其要求在小于一秒的时间内执行认证过程在两个坐标指纹之间的对齐中使用诸如奇异点（SP）、核心点和三角点等全球特征[4一个更可靠的点是为所有类型的指纹定义的核心点（CP）在没有对齐的情况下，将两个指纹的所有细节特征集进行比较，这是所使用的常规技术但是，1110-8665© 2013计算机和信息学院，开罗大学。制作和主办Elsevier B.V.保留所有权利。http://dx.doi.org/10.1016/j.eij.2013.01.002制作和主办：Elsevier关键词指纹核心点检测;奇异点;指纹分割;脊线方向;方向平滑16个小时Bahgat等人通过这种对齐，每个指纹的细节特征集相对于CP对齐，从而大大减少了计算时间[7]。指纹由称为脊的线条图案组成。这些山脊平滑地平行延伸。它们在奇异区域（SR）表现出高曲率[8]。有两种类型;如图1所示的环形和三角形。环是最内侧的回弯脊，脊必须回弯到原来的方向.它可以以两种形式存在，如图2所示。所述上环凸部指向上方。上核心点定义在上环上。它通常位于第九章指纹的中心区域[9]下环凸部指向下方。它只存在于上层循环中。三角洲区域是指脊向两个不同方向分叉的区域[4，10]。三角洲点被定义为脊流的三个不同方向的中心[5]，如图1所示。上核心点简称为核心点（CP）。在文献中有许多关于CP的定义。它被定义为最里面的脊线的最高点[8]。其他发达图1一个指纹图像有一个循环和一个三角形区域。图2指纹图像中的上下环形状工作时，它被定义为指纹脊中曲率最高的点[11，12]。亨利定义和辩论学定义[14]部分地与这些定义一致，除了CP被定义在远离三角点的环的肩部。手动提取的点总是在脊上定义。根据SP的存在，指纹图像被分为五类[8]。左环和右环包含一个核心和一个增量点。螺纹类型包含两个核心和两个三角点。弓型又分为三个亚类。帐篷拱包含一个核心和一个三角洲点。上冲拱不包含环，但在脊中有一个小的突然变化。普通拱门不包含任何SP。存在几种SP检测方法[8]，其中CP是SP之一;基于庞加莱指数（PI）的方法[15]，取决于脊方向的局部特征的方法[16，17]，定位不同脊方向分区的交叉点的方法[11]，以及使用数学模型（如2D傅立叶展开（FOMFE））同时检测方向图和SP的方法[18]。PI方法[8]是SP检测的经典方法。它被定义为沿着闭合圆的方向变化的总和。根据该总和值，确定SP的存在及其类型。它的优点是：设计简单，对图像旋转的鲁棒性和奇异性类型的确定[19]。但是，它对噪音敏感。有一些方法使用复滤波器来检测复值张量方向场中的对称点[17]。但在拱型指纹的CP检测中，它们的准确度较低最近提出了一种更稳健但更复杂的滤波器，称为半径向对称滤波器，然后使用基于方向变化的特征去除伪点[20]。在[12，21-23]中提出了最近一类CP检测方法 此类别适用于出现在山脊方向图中的线，由角度范围为（0°6h <180°）的灰度表示。这条线是从discon生成的角度值0°和180°之间的连续性。基于边缘图方法使用边缘检测方法[12，21]检测不连续线（DL），它通过分析DL端点周围的方向一致性来定位CP。基于边缘图的方法可以快速检测出CP.另一种方法是沿着DL定位具有最高曲率值的CP[22]。基于分区的方法接近这个新类别[11]。将方向图量化为指定数量的方向级别，然后研究与这些分区的交点以检测SP。在使用更便于硬件实现的简单设计的方向上，[24]中提出了两种候选SP检测方法。它基于直接在方向图上应用掩蔽技术。第一个使用（2· 2像素）掩码。它速度快，但准确度低。第二个面具是额外的条件，以提高精度。候选SP类型由PI检查，大半径。它们的执行时间比PI方法少0.12倍，但精度几乎相同。所提出的工作直接检测CP从定向地图，通过搜索的DL的结束，其中的方向表现出一定的模式。我们的目标是更快地扫描方向图以定位CP，以便在实时环境中使用该系统。此外，设计应面向硬件。低成本可编程嵌入式112ðÞ2ðÞ指纹图像中核心点检测的快速准确算法17FPGA等模块需要简单的设计。因此，在所提出的工作中使用的方法应用了掩蔽技术。首先，一个属性，并证明了验证的SR的存在，在年底的DL在方向图。然后，分析DL处和CP周围的取向值的分布，以检测CP周围的取向分布，从而生成岩心掩模。指纹图像被分成块。使用强度均值和方差阈值化以及随后的形态学操作来分割指纹块。基于梯度的方法[8]用于测量脊方向图，然后采用自适应平滑技术[9]以提高其准确性。然后应用CP掩码。如果检测到多个点，则使用方向平滑中使用的方向一致性来选择具有最小一致性值的点。如果没有检测到点，则选择沿着DL具有最小一致性值的点。使用[9]中给出的方法测量CP取向。在数据库上测试掩码：FVC 2002 DB1和DB2集(A)[25]和FVC2004 DB1集（B）[26]。实验结果表明，与基于边缘图的方法相比，该方法具有更少的检测时间、更低的虚警率和更高的岩心检测率。本文的其余部分组织如下：第二节介绍了奇异点检测的发展方面。在第3节中，分析了方向图。第4节描述了拟议的堆芯探测程序。第5节给出了实验结果并进行了讨论。最后，在第6节中给出了结论。2. 奇异点检测的改进方面在本节中，一般化了与SP检测相关的属性，随后呈现了一个新的属性，该属性验证了在DL结束时SR属性将SP定位在断层线的交叉点[11];其中断层线是将方向图量化为多个级别时生成的线。断层线是均匀区域之间的分离，如图所示。3.第三章。该属性被定义为：财产1. ‘‘Fault lines only intersect at the singular points when在[11]中给出了该属性的证明，其中提到随着量化取向水平（N）的数量增加，交点变得失焦，图3量化方向图（a）4级，（b）9级。获得SP的最小级别数为3（N=3）。 已知指纹脊不定向，方向值定义为的范围的((0°6 h <180°），并且引入如下推广性质1的性质：财 产 2. ‘‘The fault lines intersect at the singular regionwhen证据分别对两种类型的SR进行证明如下：核心区域在方向图中被定义为最内层循环的头部[22]。设位于最内侧环的弯曲部分上的点（xc，yc）的方向值为u（xc，yc）。因为，环被定义为一个连续的脊，该脊向后弯曲到其原始方向[14];环上的方向值集可以由下式给出：uxc;ycfHL0.. . 2018年12月28日，美国纽约，其中HL是环路的主方向的定向角。因此，在最里面的环的弯曲部分处的取向值扫描所有取向值。因此，断层线产生的量化的方向-将映射到无限多个级别N=，将在核心区域相交。至于三角洲地区，它是由两个平行的山脊分叉形成的，形成了第三个方向的急流。由于脊的斜率是连续的，因此三角洲区域中的点（xD，yD）的取向值的集合可以由下式给出：uXD;YDf fui. . . ui. . 拉乌-伊贾-布雷格[fuiab.. . uigg2其中，ui是两个平行脊在分叉之前的取向，a0;180是第一平行脊平行于第三方向的点处的取向值，并且b0;180是第二平行脊平行于第三方向的另一部分的点处的取向值，第三个方向。因此，增量区域处的取向值扫描所有取向值。因此，将方向图量化为无限个级别（N=）所生成的断层线将在三角洲区域相交。QSP位于SR内部。由于取向测量的限制，如图3所示发生失焦问题，其中对于四个量化级别（N=4），断层线会聚在一个点处，但是对于九个量化级别（N=9），失焦发生。但它位于一个地区。SP也位于方向图[12，21，23]中生成的DL的末端。断层线和DL之间存在差异。断层线是将方向图量化为 多个级别，如果级别的数量为2，则故障线将是在指纹区域内没有终点的连续线，并且如果级别的数量为3，则将有3条线在SP处相交。另一方面，DL仅从0°和180°之间的取向值的不连续性生成，并且因此，它们将总是在SP处结束（在0 °和180°之间）。2O-Þ¼2 þ2Gxx- -G键X XX XX X18个小时Bahgat等人被划分为大小为w·w的块;其中w略大于脊宽度。然后，计算每个块的平均取向ho（i，j用于方向图计算的常规方法是基于梯度的方法[8]。其方程由下式给出：hi;jp1反正切 2 ·GxyΣð6ÞYY其中0°6 ho<180°。通过在大小为w·w的窗口上分别对x和y梯度分量$ x和$ y求平均值来计算Gxy、G xx、G yy，如下所示：B bGxxx;yrxxhykð7Þh<$- b k <$-bB bGyyx;yrxxhyk8h<$- b k <$-b图4平滑前的方向图B bGxyx;yrxxhyk·ryxhyk9general）。但是，没有理论方面给出这种假设。为了克服这一不足，引入并证明了以下新性质：第三章.“指纹的奇异区域位于方向图的不连续线的末端，前提是末端不位于指纹边界上”。证据从0°和180°值附近的方向图的不连续性生成的线可以由以下两个区域定义：Ra：ha3Rb：hb<$Xb;Yb<$其中<$b<$6hb<$Xb;Yb<$180<$$>4<$其中，在DL的一侧的取向值ha（xa，ya）的区域Ra，另一个区域Rb的取向值hb（xb，yb）都在这条线的另一边，还有一个b<这条线的末端将位于取向值的第三区域Rc处，其由下式定义：Rc：hc<$Xc;Yc<$其中，a<$hc <$Xc;Yc<$b<$<$5<$从核心区域Eq. （1）和三角洲地区方程。SR包含三个区域（（3）因此，SR位于DL的末端。H图4示出了核心点和DL末端处3. 方位图分析局部脊方向被定义为脊（或脊和谷[4]）与水平轴形成的角度h（x，y），穿过以点（x，y）为中心的小邻域可以在指纹图像中的每个像素上计算方向h（x，y），从而形成被称为高分辨率图的方向图[4]。 在这种情况下，邻域将重叠。为了更少的计算时间，可以逐块计算取向，使得图像h<$-bk <$-b其中x和y是块（i，j）中心点的像素坐标，$是简单的Sobel滤波器[27]，b =（w/2 1）。w应该是奇数，以计算窗口上正态分布的平均值参考文献[6]还支持选择窗口大小为奇数，以避免离散计算中的偏差。脊方向图如图所示。 4、以灰度表示。方向值的轴是标准轴;x轴指向右侧，y轴指向上方。它也在指纹图像上以短线条显示，如图所示。 五、使用基于方向一致性的自适应平滑技术[9]来提高方向图的精度，从而提高CP检测的精度它平滑了方向图，同时不影响CP位置的准确性取向一致性描述了邻域中的脊取向与邻域中的主导取向的一致程度SP位于本地图5图1中奇点周围的放大图。2指纹图像中核心点的快速精确检测算法191k;lhsi;j=2arctanB@X时间：2012年12月10日方向一致性的最小值。通过[9]获得平滑的方向图：B0Xsin2hok;l1CO200k;l其中，hs（i，j）是块（i，j）的平滑方向，X（s）是块的周围邻域，由周围块外部的（2s+ 1）·（2s+ 1）定义，s是一致性水平。取向一致性方程由下式给出：vuXffiffiffi ffi2ffiffiffiffiffi ffiffiffiffiffiffiffi ffiXffiffiffiffiffiffiffiffiffiffi ffi ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi ffiffi！ffiffiffiffi2ffi1000020806040406020800consent; j;sconsentk;l二氢钴Mk;l辛卯二年ð11Þ图7定向图的3D图x和y轴是指纹图像的尺寸。其中M是周围块的数量。图6中示出了平滑的取向图。平滑的方向图的3D图显示在图1中。第七章原点等同于图6中的左上角，并且z轴表示以度为单位的取向值。CP被一个白色圆圈包围。它有一个圆形的斜坡形状。在图6的高分辨率版本的上DL的侧部处的取向值在图8中示出。绘制了从上点开始直到CP的样品。从图中可以看出，上DL的右侧平均值接近180°。线的左侧具有接近0°的平均值。当接近CP时，DL的侧边的取向值收敛。收敛点是环的两边平行的地方;因此它们具有相同的方向值。CP在图8中的样本143处。它是取向值从低值逐渐增加的位置，3.532.521.510.500 50 100150DL上测量点的位置接近0 °值，直到90°。然后，当反弯回到DL的另一侧时，方向值继续增加，在逆时针方向上接近180 °值。该分析图8沿不连续线的方向值0.710.442.940.992.321.811.841.88图9 CP处的方向值（弧度）显示在方向图上。图6平滑的方向图。CP是圆的。CP的分析与零极点模型[15]的方向场分析一致。CP周围的块的取向值如图9所示。上中间块具有接近0 °的值，并且右上块具有接近180°的值。三个较低的块值很近，相当于循环的平行边部分。在CP周围的块体中，方位值从0 °附近到180°附近沿逆时针方向增加。对于从数据库FVC 2002 DB 1的图像学习集（集B）手动提取的所有CP，该方向模式都是满意的。其中一个样本以度为单位的以弧度为单位的20G.A. Bahgat等人模式值如图10所示。图10 a显示了CP上方的方位值，其中这些值为高（160 °6ho<180°）或低（0°6ho<50°）。图10b 显 示 了 沿 CP 左 侧 的 取 向 值 。 数 值 范 围 为（18 °6ho<120°），平均值约为60°。图 10c显示了CP以下的取向值，其中值平均增加，平均值约为80°。在0°和180°附近有峰值。当CP位于低质量区域时，这些极值出现。它们代表噪音。图10d显示了沿CP右侧的取向值，其中值的平均值增加，平均值约为100°。方向值的范围很宽，因为循环可以是左类型或右类型。因此，环的平行边可以分别指向左边或指向右边。这些取向值与性质3的证明一致。DL可以被认为是-作为假想水平线的切点触碰山脊线因此，DL的末端在最里面的循环的峰值处;上CP。我们的目标是使用一种快速的技术来检测CP。这可以通过设计一个掩模来实现，该掩模扫描CP周围的所检测到的取向图案的取向图。掩模参数是从CP周围的方向值的分布生成的，如以下部分所示。4. 建议的核心点检测在这一部分中，提出了建议的掩模，然后给出了CP检测的整个过程。所提出的岩心检测掩模在脊方向图中的上DL的下端上搜索，该下端相当于上最内环上的4.1. 所提议的面罩呈现了布置成正方形形状的掩模组，如图1所示。上午11这个正方形的长度是n。 它被应用于分割的平滑取向图hss。在分析CP周围的取向分布之后生成CP掩模值（图11）。 10），同时忽略了可能出现的峰值由CP区域中的噪声产生。作为用于说明的示例，是给定在图11b中。该图显示了从R1到R16沿逆时针方向排列的外部块。 所提出的掩模的操作如下：1. 对于每个分割的平滑取向hss（i，j）块，根据以下等式检查周围块h（Rk1801601401201008060402000 10 20 30 40 50 60 7080图像标签（一）1801601401201008060402000 10 20 30 40 50 60 70 80图像标签（c）第（1）款1401201008060402000 10 20 30 40 50 60 70 80图像标签（b）第（1）款1801601401201008060402000 10 20 30 40 50 60 70 80图像标签（d）其他事项图10核心点周围选定块的方向值分布。(a)上块，（b）左块，（c）下块和（d）右块。以度为单位的以度为单位的以度为单位的以度为单位的方向值指纹图像中核心点的快速精确检测算法21.Σ¼ðÞXi;j(a)（b）第（1）款图11提出的掩码集结构。(a)大小为n的方向图上的一般结构，（b）由n=5的掩码集测试的周围块Rk：Ck1，如果Lk6hRkHk12<0否则其中k是掩码集中的块的索引，Ck是条件运算的输出，Lk是块Rk的最低允许定向值，并且Hk是允许块的定向值低于该值的值。满足所需范围的块的数量根据以下等式计数：40n-100nA ð i；j Þ¼C k13k¼1其中A（i，j）是块（i，j）的条件掩码响应的累加。如果结果等于（n·n）或（（n·n）-1），则检测到主CP块。2. 如果检测到一个或多个主CP块，则转到步骤3。否则，CP被认为不存在，这是足弓类型的情况，并且转到步骤4。3. 如果存在一个检测到的CP块，则如下将CP块的坐标（iCP，jCP）转移到（xCP，yCP）像素中的CP位置：定向一致性边缘检测图12使用所提出的掩模的核心点检测的框图。xcp<$ icp× wycp< $jcp× wð14Þ如果存在多于一个CP块，则根据以下等式选择具有（11）CP块I/CP;j/CP然后结束4. 通过[12]中给出的边缘检测方法检测DL，CP被定义为位于DL上具有最小一致性值的点，由（15），然后由（14）获得CP的最终位置4.2. 核心点检测程序CP检测过程如图12所示。指纹图像被分成大小为 w·w的块。然后图13应用分割掩码后的方向图。方向贴图分割掩码指纹图像细化核心点通过提出的掩模进行核心点平滑方向图22G.A. Bahgat等人建议面具基于边缘图建议面具基于边缘图准确率对每个块应用分段。分割被定义为指纹区域（前地）与图像背景之间的分离。它被应用在方向图上，以防止CP的错误检测。相对于图像的全局平均值计算每个块的平均值，并且相对于全局最大和最小方差值之间的差计算每个块的方差。如果相对平均值小于上限（mth），并且相对方差小于下限（vth），则块被分割。应用形态学操作，包括膨胀和侵蚀，以填充前景中的孔并隔离背景中的点[19]。结构元素的大小是（str）。图13中给出了分段的平滑取向图。参数的选择基于最小误差过程。基于梯度的方法[8]应用于每个块，如等式（（6）-（10））所使用（11）的自适应平滑技术[9]用于平滑方向图。所提出的CP掩模集，大小为n·n块，扫描分割的方向图。然后，使用[9]中给出的方法计算CP方向。5. .实验结果与讨论FVC 2002数据库[25]、DB1和DB2以及FVC 2004[26] DB1集（B）用于测试CP检测方法的性能FVC 2002 DB 1和FVC 2004 DB 1中的指纹由光学传感器采集，一决议的500· 500 dpi。FVC 2002的图像大小为500· 500像素，FVC 2004为 640· 480像素DB2数据库是由一个电容传感器，具有相同的分辨率。 图像大小为256× 364像素。数据库包含两个集合。每集包含8个印象。这8个印模是在不同的皮肤条件下拍摄的使用学习集FVC2002 DB1 set（B）确定分割方法的阈值，并测量CP周围的方向测试集为FVC2002 DB1集（A）和DB2集（A），以及FVC 2004 DB1集（B）。指纹图像被分成大小不同的块，w=5像素[9]。此尺寸略大于脊宽度。为分割参数选择合适的值。分割方法参数（mth、vt h和str）在每个数据库中不同。手动分割16幅图像FVC 2002集（B）已完成。分割参数的选择，以最大限度地减少手动分割块和块分割使用分割算法之间的误差。 参数值为：m_th=5，v_th=0.1，str= 3个像素。测试的CP图案尺寸为3.3和5.5块。3· 3像素（n=3）的掩模尺寸对噪声敏感其精度低于基于边缘图的方法。因此，如图11所示，所提出的掩模尺寸取5·5（n=5）个像素。每个块的定向值极限hL（Rk）= [Lk，Hk]，以度为单位给出如 下 ： hL （ R1 ） ={[0 ， 50]U[120 ， 180]} ， hL （ R2 ）=[0，80]，hL（R3）=[15，90]，hL（R4）=[15，95]，hL（R5）=[15，100]，hL（R6）=[20，120]，hL（R7）=[20，115]，hL（R8）=[25，125]，hL（R9）=[40，140]，hL（R10）=[40，150]，hL（R11）=[40，160]，hL（R12）=[40，165]，hL（R13）=[60，175]，hL（R14）=[100，180]，hL（R15）=[122，180]和hL（R16）={[120，180]U[0，40]}。CP检测方法的准确性通过以下措施来衡量：核心检测率：算法检测到的CP数与人工检测到的CP数的比值。虚警率：算法检测到的虚警CP数与人工检测到的CP数之比。伪点远离CP位置。指纹正确检测率：指使用该算法正确检测到一个CP的指纹数量与指纹总数将检测到的CP的位置与人工检查的CP进行比较。手动定位的CP位置与算法计算的位置之间的欧几里得距离定义为CP位置的距离误差[9，20]。如果距离误差小于脊到脊的距离（大约10个像素），则假设误差是由人类视觉引起的，则定位被认为是准确的。如果距离误差在10和20个像素之间，则距离误差被认为是由人类视觉和算法两者引起的小误差。如果距离误差在20至40像素之间，则视为显著误差，可能会影响后续处理步骤。如果距离大于40像素，则CP被认为是错误的解。110.80.80.60.60.40.200 20 40 6080允许距离误差（一）0.40.200 20 40 60 80允许距离误差（b）第（1）款图14 FVC 2002数据库的实验结果，（a）DB1B和（b）DB2B。准确率●●●指纹图像中核心点的快速精确检测算法23表1 核心点检测算法的平均准确度（百分比）。边缘图建议面具建议使用DL检测岩心检出率FVC2002 DB1 A89.9997.5696.66FVC2002 DB2 A78.4691.4491.06FVC2004 B82.581.2587.5虚警率FVC2002 DB1 A10.012.443.34FVC2002 DB2 A21.548.568.94FVC2004 B17.518.7512.5指纹正确检测率FVC2002 DB1 A84.2197.5696.66FVC2002 DB2 A70.2891.4491.06FVC2004 B81.2581.2587.510.80.60.4保护点为了证明我们的方法的性能，我们比较了所提出的CP检测方法与基于快速边缘图的方法，这是所提出的方法的同一类别的性能。图14中示出了针对FVC 2002 DB 1的不具有DL检测的提议掩码与针对FVC 2002 DB 2的不具有DL检测的提议掩码之间的性能比较。0.200 pi/16 pi/8 pi/4允许角差DB2 set A数据库。通过增加允许的距离误差来增加精度，然后在40像素的距离误差之后开始近似饱和。所提出的掩模精度优于基于边缘图的方法的结果。此外，在表1中还示出了添加DL检测的性能比较。FVC2004数据库包含更多的拱形指纹，因此，包括DL检测的方法性能更好。对于大于10个像素的允许距离误差，掩模提供了更少的虚警率和更高的岩心检测率。检测的延迟被取为小于40个像素的长度。实验结果表明，该方法在FVC 2002 DB 1（A）中的CP正确检测率提高了14.78%，在FVC 2002 DB 2(A)与基于边缘图的方法相比，FVC 2002 DB 1（A）的虚警率降低了66.63%，FVC 2002 DB2（ B）的虚警率降低了58.5(A)FVC2004DB1（B）中为28.57%。此外，每个指纹的CP检测方法的平均执行时间也在表2中示出。在FVC 2002 DB1（A）中，所提出的方法将其减少了1.99倍，在FVC 2002DB 2（A）中减少了2.27倍，在FVC 2004 DB 1（B）中减少了1.19倍。 根据[9]中给出的方法，CP定向的精度如图15所示。方向图上检测到的CP如图16所示。该方法由MATLAB实现，并在Intel（R）Core（TM）i3 CPU2.27千兆赫该方法具有较强的抗噪声能力。它更准确，因为建议的面具检查更多的条件图15 FVC 2004 DB 1（B）上核心点方向的实验结果。图16通过定向图上的所提出的掩模检测到的CP。在指挥中心周围的方位图上此外，设计 的掩模，这是基于匹配条件，而不是准确率表2核心点检测的平均执行时间（毫秒）。边缘图（DB1）申报面罩（DB1）建议使用DL检测FVC2002 DB1 A67.511.133.9FVC2002 DB2 A97.315.243.8FVC2004DB1 B9.61.58.124小时Bahgat等人引用图17探测到的CP是指纹上拱型。[1] Arjona R，Baturone I，从指纹图像中提取奇异点的数字电路。第十八届IEEE电子、电路和系统国际会议（ICECS），黎巴嫩;2011年。p. 627-30[2] Neji N，Boudabous A，Hahrrat W，Masmoudi N. CORDIC算法在指纹识别系统中的体系结构和FPGA实现。第八届国际系统、信号和设备会议（SSD），突尼斯; 2011年。p. 1比5。[3] 苏晓红，尹立清，高磊，张志新.基于TMS320VC5402的指纹识别系统设计Adv Mater Res J 2012;542-543：1339-42.[4] Bazen AM，Gerez SH.计算方向场和指纹奇点的系统方法。IEEE TransPattern Anal Mach Int 2002;24（7）：905[5] Park CH，Lee JJ，Smith MJT，Park KH.通过指纹中方向场的形状分析进行奇点检测。Pattern Geneva 2006;39（5）：839[6] Chaglong J，Hakil K.基于多尺度高斯滤波方向场的像素级SP检测Pattern Geneva 2010;43（11）：3879-90.[7] 陈嘉诚、文耀生、郑PS.使用指纹图像的子区域进行快速指纹验证。IEEE Trans Circ Syst Vid Technol 2004;14（1）：95[8] Maltoni D，Maio D，Jain AK，Prabhakar S.Handbook of与对方向数据执行操作相比，减少了执行时间。这将更适合于数字硬件实现。与基于边缘图的方法相比，即使没有分割，掩模也实现了更好的核心检测。但是虚警率增加了。如图17所示，所提出的方法检测帐篷和上推拱类型的CP。将DL检测添加到掩码增加了准确性，但减少了执行时间。位于指纹边界或边界外的CP（不存在于指纹图像中）被视为不存在。在这种情况下，假设将使用传统技术进行对准。在800幅图像中，FVC 2002中手动提取的CP总数为：DB1A中779幅，DB2A中754幅，FVC 2004 DB1B中80幅。主要错误原因是指纹图像中的扭曲区域，这会导致方向图中的错误。6. 结论奇异区域的位置，在方向图的不连续线的末端，使用已证明的性质进行验证。分析了核心点周围的方位。提出了一种用于核心点检测的掩模。其特点是直接扫描指纹图像的脊线方向图。因此，执行时间减少了1.8的平均因子和用于实时应用的掩模套件。掩模设计依赖于一个简单的计算过程，更容易和更可行的硬件实现。它对噪声的免疫力更强，因为它在每个指纹的正确核心点检测率方面平均提高了17.35%，对于由不同传感器和图像大小的图像此外，与基于快速边缘图的方法相比，虚警率平均降低了51.23%。指纹识别第2版Springer; 2009，chapter 3.[9] Liu M，Jiang X，Kot AC.指纹参考点检测。EURASIP J ApplSignal Process 2002;4：498[10] Dass SC.用于指纹图像中的方向场和奇异性提取的马尔可夫随机场模型。IEEE TransImage Process 2004;13（10）：1358[11] 黄春生，刘良明，洪德成。指纹分析与奇异点检测。PatternLett 2007;28（15）：1937-45.[12] 曹刚，孙清生，毛忠，梅英.基于边缘图的指纹图像核心点检测。参加：国际电子计算机技术会议（ICECT），澳门;2009年。p. 126比9[14] Hoover J. The science of fingerprints classification and uses ，Federal Bureau of Investigation，2006.[15] 杨东，杨东.指纹图像中基于多分辨率的奇异点检测。神经计算2011;74：3376-88.[16] 王新，李军，牛英.从指纹图像中定义和提取稳定点。PatternReynolds 2007;40（6）：1804[17] Chikkerur S，Ratha N.奇异点检测对指纹匹配性能的影响。在：自动识别先进技术研讨会; 2005年。p. 207比12[18] 王毅，胡军，菲利普斯.基于二维傅立叶展开的指纹方向模型IEEE TransPattern Anal Mach Int 2007;29（4）：573[19] 周军，陈峰，顾军。一种新的指纹图像奇异点检测算法。IEEE Trans Pattern Anal Mach Int 2009;31（7）：1239[20] Le T，Van H.基于对称性和变异性的图像检索指纹参考点检测。Pattern Geneva 2012;45（9）：3360-72.[21] 曹刚，毛正，孙清.指纹图像中基于边缘图的核心点检测。JElectron Imaging 2009;18（1）：1[22] Mohammadi S，Farajzadeh A.指纹的参考点和方向检测。在：第二届计算机和电气工程国际会议（ICCEE），阿拉伯联合酋长国; 2009年。p. 四六九比七三指纹图像中核心点的快速精确检测算法25[23] Ahmadyfard A，Nosrati MS.一种使用二维小波的指纹奇异点检测新方法。参加：计算机、系统和应用国际会议，约旦;2007年。p. 688-91.[24] Bahgat GA，Khalil AH，Mashali S.指纹图像中使用匹配候选点的奇异点检测。在：第一次电子和信息技术新范式国际会议（PEIT 011），埃及; 2011年。[25] http://bias.csr.unibo.it/fvc2002/（2010年1月访问）。[26] http://bias.csr.unibo.it/fvc2004/（2012年12月访问）。[27] 冈萨雷斯RC，伍兹RE。数字图象处理2001. [第三章]。